计算机工程

• 人工智能及识别技术 • 上一篇    下一篇

融合信任传播和奇异值分解的社会化推荐算法

李卫疆 1,齐静 1,余正涛 1,赵铁军 2   

  1. (1.昆明理工大学 信息工程与自动化学院,昆明 650500; 2.哈尔滨工业大学 计算机学院,哈尔滨 150001)
  • 收稿日期:2016-06-23 出版日期:2017-08-15 发布日期:2017-08-15
  • 作者简介:李卫疆(1969—),男,副教授、博士,主研方向为自然语言处理、信息检索;齐静,硕士研究生;余正涛、赵铁军,教授、博士。
  • 基金项目:
    国家自然科学基金(61363045);科技部科技创新人才基金(2014HE001);云南省自然科学基金重点项目(2013FA130)。

Social Recommendation Algorithm Integrating Trust Propagation and Singular Value Decomposition

LI Weijiang 1,QI Jing 1,YU Zhengtao 1,ZHAO Tiejun 2   

  1. (1.Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China;2.School of Computer,Harbin Institute of Technology,Harbin 150001,China)
  • Received:2016-06-23 Online:2017-08-15 Published:2017-08-15

摘要: 针对用户信任矩阵中的数据稀疏问题,设计用户信任关系的传播规则,根据该规则计算用户之间的信任度,填充用户信任矩阵。在此基础上,结合用户信任传播算法和奇异值分解模型,提出一种社会化推荐算法,将用户评分矩阵与信任关系矩阵相结合,提高推荐系统的预测准确率。在Epinions和Filmtrust公开数据集上的实验结果表明,该算法相比传统推荐算法具有更高的推荐质量。

关键词: 推荐系统, 社会化推荐, 信任网络, 信任传播, 奇异值分解

Abstract: Aiming at the data sparsity of user trust matrix,this paper designs a propagation rule for trust relationships among users.It computes the trust degree of user according to the rule,and then uses the trust degree to fill the user trust matrix.It proposes a social recommendation algorithm based on users’ trust propagation algorithm and Singular Value Decomposition(SVD) model,The user scoring matrix is combined with the trust relation matrix to improve The prediction accuracy of the recommended system.Experimental results on both Epinions and Filmtrust publicly available datasets show that compared with the traditional recommendation algorithm,the proposed algorithm has higher recommendation quality.

Key words: recommendation system, social recommendation, trust network, trust propagation, Singular Value Decomposition(SVD)

中图分类号: